计算机工程与科学

作者：晋广印, 赵旭俊, 龚艺璇

单位：太原科技大学计算机科学与技术学院，山西 太原 030024

关键词：目的地预测,网格划分,自注意力机制,移动轨迹,

基金：国家自然科学基金(61572343，U1931209)；国防科技重点实验室基金(JSY6142219202114)；山西省应用基础研究计划(20210302123223，202103021224275)

移动轨迹目的地预测是基于位置服务的重要一环，现有的预测方法存在历史轨迹不能完全覆盖所有可能的查询轨迹(数据稀疏)问题，没有考虑前缀轨迹点对预测结果的影响差异(长期依赖问题)。为了解决上述问题，提出了轨迹分布式表示方法。首先，将轨迹进行网格划分，把表示位置的高维独热码向量进行降维处理，生成包含地理拓扑关系的低维嵌入向量。其次，对目的地进行聚类，把聚类中心作为簇中轨迹的标签，缩小相似轨迹的差异，放大不相似轨迹的特征，有效克服了数据稀疏问题。在目的地预测中，将自注意力机制引入长短期记忆网络，提出了基于长短期记忆网络的目的地预测模型SATN-LSTM，挖掘序列中的关键点并根据其重要程度分配权重，较好地解决了长期依赖问题。最后，在真实轨迹数据集上进行了多次实验，验证了模型的有效性，并与现有的模型进行对比，验证了本模型具有更好的准确性。

来源：2024年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第3期